13327806566

新闻资讯

南京古河软件有限公司是一家专注于数字建筑运维系统开发和应用的公司,以开放、合作和共赢为经营理念。我们致力于应用BIM(建筑信息模型)、IBMS(智能建筑管理系统)和IOT(物联网)技术,打造数字建筑的创新运维系统。作为行业的先驱者,我们的主要产品是基于IBMS的解决方案。我们深入关注智能建筑系统集成行业的动态,并积极推动先进技术如BIM、物联网和大数据在数字建筑行业的应用。我们的IBMS系统结合了BIM和物联网技术,为建筑运维提供全面、智能的管理和监控。

全部新闻 公司资讯 行业资讯

大数据在能源管理中的应用:预测模型

机会:

随着工厂变得更智能化,我们可以采集的数据也越来越多。也随着大数据技术进一步的发展,我们现在可以利用一些大技术的数据,来进一步提升我们的能源利用效率。

评价能源效率主要使用的KPI为MWH/car,也就是每辆车的综合能耗。

文章的数据收集主要在欧宝集团以及PSA集团内部完成,相关因素比如天气数据使用了开源的天气数据。

数据处理以及分析主要使用了KNIME分析平台,R语言,Excel以及VBA。

应用场景:

预测:

预测的关键:

建模:

建模前期经过了数据清洗(去掉不合理数据,补充缺失数据等)以及特征工程(使用Heating degree days 和cooling degree days 来代替温度)。

经过文献检索,选取了四种最常用的预测方法。分别是:多元线性回归,决策树,随机森林,神经网络。

预测的目标为每月的能量消耗。

测试:

选取了欧洲的六个工厂,分别是德国总部Ruesselsheim,Eisenach,波兰Gliwice,英国Luton,Ellesport Meer,以及西班牙的 Zaraagossa。使用2013到2017的数据进行测试。一共进行了三次测试。测试预测结果好坏的标准为R square。

其中一个工厂的测试结果如下。

我们可以看到,当数据量达到三年的时候。几乎所有的方法都可以相对稳定的预测每个月份的能源消耗。其中随机森林以非常高的R2和稳定的测试结果成为了最合适的预测方法。

不过从其他工厂结果来看,工厂发生一些数据无法表达的变化的时候,是利用生产车辆和天气,不包含工作时间的模型,可以更稳定的预测结果。当这种方法在一个新的工厂开始使用的时候,最好再进行测试,以便确定最好的方法。

应用:

这个预测模型的应用主要分为两方面。一是预测未来的能源消耗。二是为能源效率提供一个标准。

预测消耗非常容易理解,为能源效率设定的标准,主要是以如下的方法实现。

将过去三年的数据带入此模型中,分析模型结果和实际消耗的偏差。统计偏差的分布。

如果想要知道今年上半年的能源使用效率,将今年的数据代入模型,就可以得到使用的参考值,以及和实际值的偏差。这个偏差在分布中的位置,就说明了当前能源消耗的效率。

可视化、应用:

应用包括如下步骤:

将预测数据(生产计划,排班计划,近年平均天气)带入模型,得到预测值。

每经过一个月,讲实际值填入,并且更具过去分布,得到状态范围(红色,黄色和绿色)

对比状态范围和实际值,每个月定期检测能源利用效率。

 

---转自华为云开发者社区

南京古河软件有限公司版权所有.  Copyright©2006-2017 Guhe Software All Rights Reserved.      苏ICP备08012350号




微信咨询
微信咨询
                   扫码加微信咨询
电话咨询
咨询专线:13327806566